Documentos de Académico
Documentos de Profesional
Documentos de Cultura
92
ordinales se describe la relacin con el Coeficiente de Correlacin de
Spearman.
Si
ambas
variables
son
intercalares
mediante
el
93
Positiva
Perfecta
Correlacin
Negativa
perfecta
como
Aleatoria
positiva
medida
Aleatoria
negativa
de
la
Nula
Confiabilidad
de
un
Cronbach,
pero
si
los
puntajes
provienen
de
de
Spearman-Brown
que
mide
el
grado
de
94
La Correlacin tambin hace posible el clculo del Coeficiente de
Determinacin R 2 que se utiliza como medida de la Bondad de
Ajuste de un Modelo de Regresin, como se ver ms adelante.
En general, si el valor de R-cuadrado es mayor en comparacin a
otro modelo, el modelo que posea un R-cuadrado mayor ser el de
mejor ajuste. El R-cuadrado, comienza a ser importante si sobrepasa
el valor 0,70. Este coeficiente siempre es positivo.
rxy
( X X )(Y Y )
( X X ) (Y Y )
2
vaciados
los datos en
el paquete
informtico
2,
4,
6,
3,
6,
9,
12
de
95
Una vez introducidos los datos,
96
Alta porque da mayor de 0,70, directa porque al crecer, crece Y en
la misma proporcin (lo indica el signo positivo del coeficiente de
correlacin de Pearson) y perfecta porque dio uno.
Existe una escala para interpretar el coeficiente de correlacin dada por
algunos autores:
Rango
Significado
0,00 a 0,29
Bajo
0,30 a 0,69
Moderado
0,70 a 1,00
Alto
Significado
-1,00
-0,90
-0,75
-0,50
-0,10
0,00
Correlacin nula
+0,10
+0,50
+0,75
+0,90
+1,00
Valor P de Significacin de R
Otro aspecto importante a considerar es la significancia del valor de
r, que viene dado por el valor P que lo acompaa.
97
Si el valor P que acompaa a R es menor que 0,05, conclumos que
la correlacin es significativa y esto indica que es una correlacin o
relacin real, no debida al azar. Por ejemplo, si la salida del software
muestra un R=0,80; P<0,05, nos indica que la correlacin es
significativa.
Varianza de factores Comunes
El valor de R elevado al cuadrado indica el porcentaje de la
variacin de una variable debida a la variacin de la otra y viceversa.
Por ejemplo, si la correlacin entre productividad y asistencia al
trabajo es de 0,80. Esto es,
r 0,80
r 2 0,84
Expresa que la productividad explica el 64% de la variacin de la
asistencia al trabajo o que la asistencia al trabajo explica el 64% de
la productividad.
Correlacin de Spearman
Esta correlacin mide la relacin entre dos variables ordinales.
Por ejemplo, para correlacionar los puntajes de dos test medidos
en una escala Likert.
Ejemplo, sea la determinacin de la correlacin entre los ordenes
de llegada dado por dos jueces en 8 competencias de natacin.
Nmero de Competencias
Nadador
Juez 1
10
11
13
14
15
Juez 2
11
13
10
15
14
Diferencia -1
-2
+1
+3
-2
-1
-1
+1
(D)
D2
98
rs 1
6 D 2
n(n 2 1)
6(22) 2
rS 1
0,74
8(8 2 1)
El valor de 0,74 nos indica que existe una correlacin positiva
relativamente alta entre la puntuacin dada por uno y otro juez, es
decir, que el nadador que obtuvo un puesto de llegada alto en un
juez tambin lo obtuvo con el otro. Y as mismo, el que obtuvo baja
con un juez, obtuvo baja con el otro.
Con el software vaciamos los datos:
Seguimos la secuencia:
99
Aparece la caja de dilogo siguiente:
100
vocacional. De una muestra de 50 estudiantes universitarios se
registr el siguiente arreglo en una tabla 2x2:
xito
Fracaso
Total
Orientados
19
11
30
No orientados
15
20
Total
24
26
50
xito
Fracaso
Total
Orientados
A+B
No orientados
C+D
Total
A+C
B+D
A+B+C+D
AxD BxC
( A C )( B D)( A B)(C D)
19 x15 11x5
(24)(26)(30)(20)
0,376
Para interpretar Phi como se sabe que existe una relacin directa
entre Phi y ji-cuadrado (Phi es igual a la raz cuadrada de Ji sobre N)
Entoces podemos usar esta relacin para afirmar que si ji-cuadrado
es significativo tambin lo es Phi. En realidad Phi es una variacin de
la frmula del coeficiente de correlacin r de Pearson.
Veamos su determinacin usando el software. Para hacerlo no
necesitamos un archivo como tal, sino introducimos los datos
mediante el teclado. As:
101
102
(Ji=7,06;P=0,0079) vemos que tambin Phi es significativo con un
P=0,0079.
Correlacin Biserial Puntual
Es una medida de la relacin que puede haber entre una variable
continua (con varias categoras) una variable dicotomizada (que el
investigador oblig a ser dicotmica). Tambin mide la relacin entre
una dicotmica y una dicotomizada. Es un caso particular de la
correlacin Pearsoniana. No se va a desarrollar porque la mayora de
los autores recomienda utilizar en esta situacin la correlacin de
Pearson.
Omega Cuadrado ( )
2
SCTRAT (k 1)CMERROR
SCT CMERROR
Donde:
103
( ): Omega cuadrado de Hays
2
Intensidad de Relacin
0,00 a 0,29
Dbil
0,30 a 0,69
Moderada
0,70 a 1,00
Fuerte
104
Ejemplo de aplicacin del Omega Cuadrado de Hays
Se realiz un experimento para determinar:
(a)
externos
realizadas
(por
semana)
en
tres
Hospital General
del Sur
Hospital Universitario
Hospital Coromoto
de Maracaibo
19
25
25
19
23
23
18
22
23
14
21
13
12
22
14
16,4=Media
22,6=Media
19,6=Media
hospital
19
25
25
19
23
23
18
22
23
14
21
13
12
22
14
105
Las opciones del men son:
106
SCTRAT (k 1)CMERROR
SCT CMERROR
0,4357
273,733 14,8
288,533
Correlacin Parcial
La correlacin parcial se define como la correlacin entre dos
variables manteniendo las variables intervinientes controladas.
Es muy til cuando entre las variables no se manifiestas las
verdaderas correlaciones a causa de que una tercera variable opaca
la correlacin entre aquellas dos.
Un ejemplo de este tipo se observa en el efecto mediador que
ejercen las calificaciones (variable interviniente) en el efecto que la
motivacin del alumno tiene sobre la evaluacin que hace del
profesor;
los
resultados
de
las
investigaciones
educacionales
muestran, por ejemplo, que los alumnos con baja motivacin hacia el
trabajo acadmico evaluarn
107
motivacin como de la evaluacin, el efecto de las calificaciones. Este
control se logra calculando el coeficiente de correlacin parcial.
Simblicamente,
rY 1.2
rY 1 rY 2 r12
(1 rY22 )(1 r122)
108
Para entender mejor el significado del coeficiente de correlacin
parcial y su correspondiente coeficiente al cuadrado, resulta til
emplear el mismo diagrama que presentan Cohen y Cohen (1983) y
que comnmente es empleado para explicar la nocin de varianza
compartida.
R R2
a
Y 12 2 Y .2
am
1 RY 2
109
Donde RY22 r 2 , es decir, rY 2 es el coeficiente de correlacin de
orden cero entre Y y X2. Ntese que en la frmula anterior:
rY21.2
R R2
a
Y 12 2 Y .2 , el
am
1 RY 2
rY21.2
representa la proporcin de la
Desempeo
Y
Motivacin de
Percepcin del
Logro X1
Ambiente X2
01
02
03
04
05
06
07
08
09
10
10
110
11
10
12
10
13
14
15
16
17
10
18
19
19
20
21
10
22
23
10
24
25
26
27
10
28
29
30
31
32
rY 1 0,529
rY 2 0,447
r12 0,247
El coeficiente de determinacin mltiple es:
RY2.12 0,385
111
El coeficiente de correlacin parcial de Y (desempeo) con
motivacin de logro (X1) controlando por Percepcin del ambiente de
trabajo (X2) es:
rY21.2
R R2
a
Y 12 2 Y 2
am
1 RY 2
rY21.2
0,385 0,199
0,232, la raz cuadrada de este valor es la
1 0,199
112
Coeficiente de Confiabilidad Alpha de Cronbach:
Validez
Es la eficacia con que un instrumento mide lo que se pretende
medir
Confiabilidad
Es el grado con que se obtienen resultados similares en distintas
aplicaciones
113
114
Coeficiente de Confiabilidad de Hoyt:
El coeficiente de confiabilidad de Hoyt es:
rtt 1
2
S error
2
S sujetos
rtt 1
2
S error
1,08
1
0,77
2
4,75
S sujetos
Donde:
2
S error
1,08 (varianza del error)
2
S sujetos
4,75 (varianza debida a los sujetos)
115
116
117
118
119